Analiza podobiestwa



Informacje, które udało nam się zgromadzić na temat Analiza podobiestwa, zostały starannie sprawdzone i uporządkowane, aby były jak najbardziej przydatne. Prawdopodobnie trafiłeś tutaj, aby dowiedzieć się więcej na temat Analiza podobiestwa. W Internecie łatwo zgubić się w gąszczu stron, które mówią o Analiza podobiestwa, a jednocześnie nie podają tego, co chcemy wiedzieć o Analiza podobiestwa. Mamy nadzieję, że dasz nam znać w komentarzach, czy podoba Ci się to, co przeczytałeś o Analiza podobiestwa poniżej. Jeśli informacje o Analiza podobiestwa, które podajemy, nie są tym, czego szukałeś, daj nam znać, abyśmy mogli codziennie ulepszać tę stronę.

.

Socjosemantyczny wykres wspólnych publikacji badawczych dotyczcych zagadnie zdrowia publicznego obejmujcych w szczególnoci modelowanie poszczególnych tematów w celu wykrycia (poprzez analiz podobiestwa) tematów badawczych w duym korpusie.

Analiza podobiestwa jest metod analizy danych w ramach metody wynikowi teorii wykres i opiera si na znalezienie podobiestw i rónic. Takie podejcie pozwala nie tworzy kategorii a priori , a raczej konstruowa kategorie do analizy z formalnych podobiestw midzy podmiotami w sieci.

W analizie sieci o dwóch obiektach (wierzchokach grafu ) mówi si, e s podobne lub równowane, gdy te same relacje cz je z innymi podmiotami (lub aktorami) sieci. Istniej trzy podstawowe podejcia do pomiaru podobiestwa i odlegoci midzy podmiotami w sieci.

Podejcie podobiestwa lub rónice

Badania w dziedzinie nauk spoecznych generalnie obejmuj odwoywanie si do kategorii spoecznych lub   klas spoecznych   ju skonstruowanych i wstpnie zdefiniowanych przez naukowców na podstawie wspólnych atrybutów:   modzi ludzie  ,   menederowie  ,   kraje  ,   bezrobotni  ,   kobiety    itd. . W analizie podobiestwa kategorie te nie s ustalane a priori, ale uwidaczniane przez jeden lub wicej procesów, które umoliwiaj klasyfikacj i pogrupowanie analizowanych przypadków zgodnie z ich efektywnymi relacjami - kto co robi, kto z kim rozmawia, gdzie, o czym, z kim  itp. .

Podobiestwo w analizie sieci wystpuje, gdy dwa wierzchoki (lub wicej, w zalenoci od analizowanej struktury) znajduj si w tej samej klasie równowanoci . Innymi sowy, byty spoeczne lub pozycje spoeczne tej samej klasy równowanoci cz si na podstawie relacji, które utrzymuj z innymi, takimi jak na przykad lekarze, którzy maj pacjentów na obserwacji.

Istniej trzy podstawowe podejcia do tworzenia miary podobiestwa w sieci  : równowano strukturalna, równowano automorficzna i równowano regularna. Te trzy pojcia równowanoci s hierarchiczne: kady zestaw równowanoci strukturalnej jest równie równowanoci automorficzn i równowanoci regularn, kady zestaw równowanoci automorficznej jest równowanoci regularn, ale wszystkie równowanoci regularne niekoniecznie s równowane automorficzne lub strukturalne, a wszystkie równowanoci automorficzne niekoniecznie maj charakter strukturalny.

Równowano strukturalna

Dwa wierzchoki sieci s strukturalnie równowane, jeli ich poczenia z innymi wierzchokami s podobne.

Na poniszym obrazku aden inny wierzchoek (lub wze) nie ma dokadnie takiego samego zestawu czy jak A, który w zwizku z tym naley do okrelonej klasy . To samo dotyczy wierzchoków B, C, D i G (kady z tych wierzchoków ma swój specyficzny zestaw czy do innych wierzchoków). Jednak E i F nale do tej samej klasy równowanoci strukturalnej, poniewa oba maj ten sam wzór pocze (cze do B), mówi si, e s w równowanoci strukturalnej. To samo dotyczy H i I, z których oba maj link do D.

Strukturalna równowano jest najsilniejsz form podobiestwa. W rzeczywistoci w sieciach spoecznociowych czysta równowano jest rzadkoci i przydatne jest stosowanie mniej rygorystycznych kryteriów w celu zmierzenia przyblionej równowanoci.

Koncepcj zblion do równowanoci strukturalnej jest równowano instytucjonalna: dwa wierzchoki (na przykad dwie firmy ) s instytucjonalnie równowane, jeli dziaaj w tej samej domenie instytucjonalnej. Podczas gdy strukturalnie równowane wierzchoki maj identyczne wzorce relacyjne lub pozycje sieciowe, równowano instytucjonalna odzwierciedla podobiestwo wpywów instytucjonalnych, których dowiadczaj wierzchoki w tych samych domenach i przestrzeniach, niezalenie od podobiestwa ich pozycji w sieci. Na przykad dwa banki w Chicago mog mie bardzo róne wzorce relacji (jeden moe by centralnym szczytem, a drugi moe znajdowa si na peryferiach), wic nie s one odpowiednikami strukturalnymi, ale poniewa `` Oba dziaaj w dziedzinie finansów i na tym samym geograficznie okrelonym obszarze (Chicago) bd podlega tym samym wpywom instytucjonalnym.

Formalna definicja Karla Reitza i Douglasa White'a (1989): Niech bdzie zbiorem i relacj binarn w . , Relacja równowanoci, to równowano strukturalna, wtedy i tylko wtedy, dla wszystkich takie, e , oznacza:

  • , i
  • , i
  • , i

Miary równowanoci strukturalnej

Podobiestwo cosinusowe

Podobiestwa cosinus of a jest liczb wspólnych ssiadów podzielona przez redni geometryczn ich stopni. Warto ta oscyluje midzy 0 a 1. Warto 1 wskazuje, e dwa wierzchoki maj dokadnie to samo ssiedztwo, a warto 0 oznacza, e nie maj wspólnych ssiadów. Podobiestwo cosinusowe jest technicznie niezdefiniowane, jeli jeden lub oba wierzchoki maj stopie 0, ale zgodnie z konwencj mówi si, e podobiestwo cosinusowe wynosi 0 w tych przypadkach.

Wspóczynnik Pearsona

Wspóczynnik korelacji Pearsona jest alternatywn metod standaryzacji liczb wspólnych ssiadów. Ta metoda porównuje liczb wspólnych ssiadów z oczekiwan wartoci w sieci, w której wierzchoki s losowo poczone. Ta warto zawiera si cile w przedziale od -1 do 1.

Odlego euklidesowa

Odlego euklidesowa jest równa liczbie ssiadów, które róni si midzy dwoma wierzchokami. Jest to raczej miara niepodobiestwa, poniewa jest ona wiksza dla wierzchoków, które róni si najbardziej. Mona j znormalizowa, dzielc j przez warto maksymaln. Maksimum oznacza, e nie ma wspólnych ssiadów, w którym to przypadku odlego jest równa sumie stopni wierzchoków.

Równowano automorficzna

Formalnie Dwa wierzchoki s automorficznie równowane, jeli wszystkie wierzchoki mona zmieni, aby utworzy izomorficzny wykres z etykiet i zamienion. Dwa równowane automorficznie wierzchoki maj dokadnie takie same waciwoci niezalene od etykiety. "

Bardziej intuicyjnie, byty spoeczne s w równowanoci automorficznej, jeli moliwe jest permutowanie wykresu tak, aby wymiana dwóch bytów nie miaa wpywu na odlegoci midzy innymi bytami na wykresie.

Na obrazku obok, przedstawiajcym struktur organizacyjn, A jest na stacji centralnej, B, C i D odpowiadaj od A i dziaaj na E, F i H, I; G jest izolowany, chocia odpowiada na C (i A). Chocia aktorzy B i D nie s strukturalnie równowani - maj tego samego respondenta (A), ale nie maj takich samych powiza z innymi - nadal wydaj si by równowani. Obaj (B i D) odpowiadaj od A i wchodz w interakcj z dwoma bytami (odpowiednio EF i HI). Gdyby wierzchoki B i D zostay zamienione, lub gdybymy zamienili E i H (jak równie inne moliwe kombinacje), odlegoci midzy wierzchokami w sieci pozostayby dokadnie takie same. Wic na tym wykresie istnieje 5 klas równowanoci automorficznych: , , , , i . Naley zauway, e mniej cisa definicja tej równowanoci zmniejsza liczb klas.

Formalna definicja Karla Reitza i Douglasa White'a (1989): Niech bdzie zbiorem i relacj binarn w . , Relacja równowanoci, jest silny lub automorficzn równowano , wtedy i tylko wtedy, dla wszystkich , zakada:

  • , i
  • , i

Regularna równowano

Formalnie dwaj aktorzy s regularnie równowani, jeli s równie powizani ze swoimi odpowiednikami. Innymi sowy, regularnie równowane wierzchoki to wierzchoki, które chocia nie dziel tego samego ssiedztwa, dziel ssiedztwa, które same s podobne.

Na przykad, dwie matki s równowane, poniewa kady z nich ma podobny wzór relacji z ich maeskiego partnera , dziecietc. Dwie matki niekoniecznie s spokrewnione z tym samym partnerem ani z tymi samymi dziemi, wic nie s one strukturalnie równowane. A poniewa kada matka moe mie rón liczb dzieci i / lub partnerów, nie s one równie w równowanoci automorficznej. Ale s podobne, poniewa maj ten sam typ relacji z innymi zbiorami bytów spoecznych (s równie postrzegane jako regularnie równowane, poniewa s podobne pod wzgldem typów powiza z bytem macierzystym).

Na wykresie przedstawionym poniej minusy, istniej trzy klasy zwykej równowanoci: , ,

Formalna definicja Karla Reitza i Douglasa White'a (1989): Niech bdzie zbiorem i relacj binarn w . , Relacja równowanoci, to regularne równowano , wtedy i tylko wtedy, dla wszystkich , zakada:

  • i , i
  • i

Wizualizuj podobiestwa i odlegoci

Narzdzia do partycjonowania danych

Temat modelowania do wykrywania podobiestw i rang na podstawie wspópracowników zdarze

Dane partycjonowania , hierarchiczne grupowanie pików w oparciu o podobiestwo profili ich czy do innych wierzchoków, zapewnia drzewo pocze lub dendrogram uywany do przegldania stopnia podobiestwa midzy przypadkami - i moe by uyty do znalezienia przyblionych klas równowanoci.

Wielowymiarowe narzdzia do pozycjonowania

Zastosowanie analiz równowanoci umoliwia identyfikacj i wizualizacj klas lub grup klas . Korzystajc z analizy zgrupowa hierarchicznych , zakada si w sposób dorozumiany, e podobiestwa lub odlegoci midzy przypadkami odzwierciedlaj tylko jeden podstawowy wymiar. Jednak moliwe jest, e istnieje wiele aspektów lub wymiarów lecych u podstaw obserwowanych podobiestw. Czynniki lub skadniki analizy mona zastosowa do korelacji lub kowariancji midzy przypadkami. Alternatywnie mona zastosowa pozycjonowanie wielowymiarowe (niemetryczne dla danych, które s z natury nominalne lub porzdkowe; metryczne dla danych wycenianych).

Pozycjonowanie wielowymiarowe reprezentuje wzorce podobiestwa lub odmiennoci w profilu cza midzy wierzchokami (w przypadku zastosowania do przylegania lub odlegoci), takie jak mapa w przestrzeni wielowymiarowej. Ta mapa pokazuje, jak blisko s wierzchoki, jeli skupiaj si razem w przestrzeni i jak silna (lub nie) jest rónica midzy kadym wymiarem.

Modelowanie blokowe

Blockmodeling jest technik klasyfikuje wiza matrycy przylegania eby grupy tego samego typu zwizku; co umoliwia reorganizacj macierzy w celu wykrycia podobiestw (por. Macierz po blokach ). Definicja Lorrain i White z 1971 roku brzmi: wierzchoki a i b s strukturalnie równowane, jeli s poczone z innymi wierzchokami w ten sam sposób .

Krata Galois

Uycie kraty Galois na dwudzielnych macierzach danych socjo-semantycznych umoliwia grupowanie wedug podobiestw podczas uszeregowania relacji.

Implikacje teoretyczne

Analiza podobiestwa pozwala na scharakteryzowanie danych ich wasnych struktur (takich jak na przykad kliki , hierarchie lub ekwiwalentno ), zamiast samego badacza i a priori okrelajcych kategorie do analizy, tak jak ma to zazwyczaj miejsce w naukach spoecznych . A zatem to nie badacz okrela kategorie spoeczne i naley do nich lub nie, lecz dokonuje si a posteriori analiz podobiestw; zgoszone do analizy przypadki grupowane s wedug ich wspólnych cech, co pozwala na wykrycie prawidowoci (czy wrcz nieprawidowoci).

Interakcje korelacyjne

W analizie sieci klasy równowanoci s postrzegane jako bdce w interakcjach korelacyjnych; to znaczy takie, w których partnerzy nie s podobnymi jednostkami umieszczonymi w okrelonej sytuacji, ale osobami, które s zdefiniowane przez rol, jak odgrywaj w interakcji. Razem tworz fakt spoeczny .

Oddziaywania korelacyjne s nierówne ze strukturalnego punktu widzenia, poniewa bohaterowie zajmuj komplementarne pozycje w interakcji i produkcji faktu spoecznego  : Jest to interakcja, która w zasadzie jest asymetryczna . To pojcie pozwala nam mówi o relacjach i rolach spoecznych .

Przykady wspózalenych interakcji:

Porównywalno, wspópraca i konkurencja

Wspópraca i konkurencja implikuje porównywalno.

Komplementarno ról

Zastosowania poza naukami spoecznymi

Metody analizy podobiestw relacyjnych s wykorzystywane nie tylko w naukach spoecznych , ale s te jedn z procedur stosowanych przez NSA , w kryminalistyce , w automatycznej analizie duych korpusów czy obrazów , a take w biologii .

Zobacz te

Dodatkowa bibliografia

Bibliografia

  1. Degenne, Alain. , Sieci spoecznociowe , Pary, Armand Colin ,, 294  str. ( ISBN  2-200-26662-6 i 9782200266622 , OCLC  57127633 , czytaj online ) , str.  105. Rozdzia 4: Spójno i równowano
  2. Newman, MEJ 2010. Sieci: An Introduction. Oxford, Wielka Brytania: Oxford University Press.
  3. Hanneman, Robert A. i Mark Riddle. 2005. Wprowadzenie do metod sieci spoecznociowych. Riverside, CA: University of California, Riverside (opublikowane w formie cyfrowej pod adresem http://faculty.ucr.edu/~hanneman/ )
  4. (w) Cross, Robert L. Parker, Andrew, 1966 - Sasson, Lisa. , Sieci w gospodarce wiedzy , Oxford University Press ,( ISBN  0-19-515950-0 i 9780195159509 , OCLC  933870327 , czytaj online ) , str.  23 Rozdz. 1 Spoeczna struktura konkurencji - Ronald Burt
  5. Christopher Marquis i András Tilcsik ,   Institutional Equivalence: How Industry and Community Peers Influence Corporate Philanthropy  , Organization Science , vol.  27 N O  5,, s.  13251341 ( ISSN  1047-7039 , DOI  10.1287 / orsc.2016.1083 , czytaj online )
  6. Salton G., Automatyczne przetwarzanie tekstu: transformacja, analiza i wyszukiwanie informacji przez komputer, Addison-Wesley, Reading, MA (1989)
  7. Borgatti, Steven, Martin Everett i Linton Freeman. 1992. UCINET IV wersja 1.0 Podrcznik uytkownika. Columbia, SC: Analytic Technologies.
  8. Harrison C. White , Scott A. Boorman i Ronald L. Breiger ,   Struktura spoeczna z wielu sieci. I. Modele blokowe ról i stanowisk  , American Journal of Sociology , t.  81, n o  4,, s.  730780 ( ISSN  0002-9602 i 1537-5390 , DOI  10.1086 / 226141 , czytaj online , dostp 21 listopada 2018 )
  9. Snidjders,   Equivalence; koncepcje sieci spoecznociowych   ,(dostp 15 stycznia 2017 )
  10. Camille Roth i Paul Bourgine ,   Spoecznoci epistemiczne: opis i kategoryzacja hierarchiczna  , Mathematical Population Studies , tom.  12 N O  2, s.  107130 ( ISSN  0889-8480 i 1547-724X , DOI  10.1080 / 08898480590931404 , odczyt online , dostp 21 listopada 2018 r. )
  11. Alain Degenne,   Rodzaje interakcji, formy zaufania i relacji   ,(dostp 13 stycznia 2017 )
  12. Robert S. Renfro i Richard F. Deckro ,   Analiza sieci spoecznej modelu przepywu w iraskim rzdzie  , Military Operations Research , vol.  8, N O  1,, s.  516 ( ISSN  1082-5983 , DOI  10.5711 / morj.8.1.5 , czytaj online , dostp 22 listopada 2018 )
  13. Kamal Taha i Paul D. Yoo ,   A System for Analyzing Criminal Social Networks  , Proceedings of the 2015 IEEE / ACM International Conference on Advances in Social Networks Analysis and Mining 2015 - ASONAM '15 , ACM Press,( ISBN  9781450338547 , DOI  10.1145 / 2808797.2808827 , odczyt online , dostp 22 listopada 2018 )
  14. A. McCallum , X. Wang i A. Corrada-Emmanuel ,   Topic and Role Discovery in Social Networks with Experiments on Enron and Academic Email  , Journal of Artificial Intelligence Research , vol.  30,, s.  249272 ( ISSN  1076-9757 , DOI  10.1613 / jair.2229 , odczyt w Internecie , dostp: 22 listopada 2018 r. )
  15. (w) Sean L. Seyler , Avishek Kumar , MF Thorpe i Oliver Beckstein ,   Analiza podobiestwa cieki: metoda kwantyfikacji cieek makromolekularnych   , PLoS Computational Biology , tom.  11 N O  10,, e1004568 ( ISSN  1553-7358 , PMID  26488417 , PMCID  PMC4619321 , DOI  10.1371 / journal.pcbi.1004568 , odczyt online , dostp 22 listopada 2018 )
  16. Lise Getoor i Christopher P. Diehl ,   Link mining  , Biuletyn ACM SIGKDD Explorations , vol.  7, N O  2, s.  3-12 ( ISSN  1931-0145 , DOI  10.1145 / 1117454.1117456 , czyt. Online , dostp 22 listopada 2018 )

Mamy nadzieję, że informacje, które zgromadziliśmy na temat Analiza podobiestwa, były dla Ciebie przydatne. Jeśli tak, nie zapomnij polecić nas swoim przyjaciołom i rodzinie oraz pamiętaj, że zawsze możesz się z nami skontaktować, jeśli będziesz nas potrzebować. Jeśli mimo naszych starań uznasz, że informacje podane na temat _title nie są całkowicie poprawne lub że powinniśmy coś dodać lub poprawić, będziemy wdzięczni za poinformowanie nas o tym. Dostarczanie najlepszych i najbardziej wyczerpujących informacji na temat Analiza podobiestwa i każdego innego tematu jest istotą tej strony internetowej; kierujemy się tym samym duchem, który inspirował twórców Encyclopedia Project, i z tego powodu mamy nadzieję, że to, co znalazłeś o Analiza podobiestwa na tej stronie pomogło Ci poszerzyć swoją wiedzę.

Opiniones de nuestros usuarios

Antoni Bednarski

Podoba mi się ta strona, a artykuł o Analiza podobiestwa jest tym, którego szukałem.

Wiktor Tomczak

Uznałem, że informacje, które znalazłem na temat zmiennej Analiza podobiestwa, są bardzo przydatne i przyjemne. Gdybym musiał umieścić 'ale', może to oznaczać, że nie jest wystarczająco wyczerpujące w swoim sformułowaniu, ale poza tym jest świetne.